SuperAPI AI 工具集
合作ENAI 行业资讯收藏

Skill 广场

找到适合任务的 Agent Skill，阅读介绍并复制安装命令。

更新于 10-27 00:15

数据与分析

17,001 个结果

seek

Seek 是一个搜索与向量数据库设计专家型智能体技能，专注于全文检索、向量检索与混合检索系统的设计，涵盖索引映射、排序调优以及 RAG 检索层构建。它强调以数据驱动和可度量的方式做搜索决策，反对凭直觉判断相关性。该技能适用于 Elasticsearch、OpenSearch、Meilisearch、Typesense 等全文搜索引擎的映射、分析器与分词器设计，也适用于 Pinecone、Weaviate、Qdrant、pgvector、ChromaDB 等向量检索的索引设计与 HNSW/IVFFlat 调优，并支持 BM25 与向量融合的混合检索、嵌入模型选型、排序调优、RAG 检索层设计、搜索质量评估以及权限感知检索（多租户或按角色语料）。其工作流为 PROFILE → SELECT → MAP → QUERY → RANK → EVALUATE，要求先建立搜索需求画像，产出可度量的质量目标，并至少给出两种备选方案及权衡分析。实现编码交由 Builder，RAG 整体架构交由 Oracle，数据摄取管道交由 Stream。

数据与分析37 次安装

datapack-builder

datapack-builder 是一个用于构建专业金融服务数据包（Data Pack）的技能，面向私募股权、投资银行和资产管理场景。它可将 CIM、发行备忘录、SEC 文件、网络搜索或 MCP 服务器中的财务数据，整理为标准化的 Excel 工作簿，供投资委员会审阅。该技能强调数据准确性、公式化计算、统一的财务/运营/百分比/年份格式规范，以及专业的呈现标准，并规定使用 xlsx 技能完成所有 Excel 文件的创建与操作。

数据与分析37 次安装

postgres

PostgreSQL 只读查询技能，用于对已配置的多个 PostgreSQL 数据库执行安全的只读 SQL 查询。主要用途包括：查询 PostgreSQL 数据库、浏览数据库架构与数据表、列出库表结构与 schema、限制返回行数等。技能以 Python 脚本形式运行，需 Python 3.8+ 与 psycopg2-binary 依赖，并在技能目录或 ~/.config/claude/postgres-connections.json 中配置连接信息（含 host、port、database、user、password、sslmode 等字段）。安全方面采用只读会话模式、查询语句校验（仅允许 SELECT、SHOW、EXPLAIN、WITH）、单语句限制、30 秒超时、单次查询最多 10000 行、列宽上限 100 字符以及错误信息凭据脱敏等机制。适用于需要让 AI 助手安全探查数据库结构、临时读取业务数据（如用户、订单、分析指标、日志事件）的场景。

数据与分析37 次安装

mfs-ingest

MFS 数据源接入技能（mfs-ingest）：引导用户将各类数据源注册、更新或重新同步到 MFS，使其可被搜索。支持 postgres、mysql、mongo、snowflake、bigquery 等数据库，以及 github、jira、linear、notion、slack、gmail、s3、gdrive、web、file 等连接器。流程包括：预检 CLI 与服务器状态、按意图分类（新增/重同步/改配置/列出）、选择连接器方案、收集凭据（推荐 env:VAR 或 file:/path 间接引用而非明文）、编写连接器 TOML、调用 mfs add 并跟踪任务至终态，最后确认可搜索对象数量。

数据与分析37 次安装

log-ops

log-ops 是一套面向日志文件分析与 JSONL 处理的实用技能，聚焦于结构化提取、跨日志关联、时间线重建与模式搜索。它针对智能体对话日志、基准测试输出和结构化应用日志等场景，给出可复用的 jq、ripgrep 等命令行处理套路。核心内容包括：日志格式决策树（区分 JSONL、单块 JSON、logfmt、syslog、列式与自由文本）、工具选择矩阵（rg、jq、lnav、angle-grinder、awk、Miller、GNU parallel）、JSONL 流式过滤与聚合、字段与嵌套抽取、两段式管道（先用 rg 快速预筛、再用 jq 解析）、时间范围过滤、跨文件 join、纯文本上下文搜索、实时监控、时间线重建与配对事件耗时计算、按关联 ID／时间窗口／会话的跨日志关联，以及大文件切分并行处理和常见陷阱提示。该技能要求预先安装 rg 与 jq，lnav、angrind、mlr、GNU parallel 为可选增强工具；仅凭 rg 与 jq 即可运行全部分析模式。

数据与分析36 次安装

result-diagnosis

Result Diagnosis 是一个面向机器学习研究的结果诊断技能，用于在实验结果已经产生之后判断结果对项目意味着什么，尤其适用于结果有效但反直觉、负面、不稳定或难以解释的情况。它帮助研究者系统性地将观察到的结果与主观解释分开，通过症状分类、证据收集、排查协议和竞争性解释分析，最终给出明确的下一步决策：调试、重跑、消融、修改方法、收窄论点、撰写、搁置或终止。该技能明确不用于处理工程类故障，也不用于撰写正式报告，而是聚焦于决策，诊断清晰后可配合 experiment-report-writer 使用。使用方式以 SKILL.md 及 references 目录下的诊断分类、证据审计、决策规则、报告模板和分诊协议等文件为指引，按步骤执行。具体收费与价格信息暂未提供。

数据与分析36 次安装

atai-newton-omega-model

该技能通过 Archetype AI 的 Omega 编码器（模型 ID：OmegaEncoder::omega_embeddings_1_4）从生产环境 /query 端点获取时间序列嵌入。它接收一段传感器读数窗口，返回固定大小的向量，可用于客户端机器学习，如 KNN 分类、异常评分、相似性搜索和降维投影。每次请求为无状态 POST，无需批处理作业或会话生命周期。支持 16 至 1024 个时间步的窗口长度，每个通道输出 768 维嵌入。适用于多变量传感器窗口（振动、压力、流量、网络等）的向量化，不适用于文本、图像或视频输入，也不适用于需要全托管服务端分类的场景。

数据与分析36 次安装

algo-nlp-lda

该技能用于实现 LDA（Latent Dirichlet Allocation，潜在狄利克雷分配）主题建模，从文档集合中发现潜在主题。LDA 将每篇文档建模为多个主题的混合，并将每个主题建模为词上的概率分布，可在无监督的情况下从语料中挖掘 K 个潜在主题，通常使用吉布斯采样或变分推断实现，算法复杂度为 O(N × K × iterations)，其中 N 为词元总数。适用场景包括：在大型文档集合中发现潜在主题、按自动发现的主题对文档进行组织或分类、在类别未知时进行探索性文本分析。不适用场景包括：类别已知时应使用有监督分类；短文本（如推文、标题）因每篇文档词数过少难以可靠分配主题；需要语义理解时应使用嵌入向量。该技能包含输入验证、核心算法、验证和输出四个阶段，并强调主题数 K 是需人为选择而非自动发现超参数。

数据与分析36 次安装